چکیده برای از بین بردن میکروارگانیسم های مضر و جلوگیری از کریستالیزاسیون (شکرک زدن) عسل از عملیات حرارتی استفاده می شود. شکرک زدن عسل علاوه براینکه جذابیت محصول را برای مشتری کاهش می دهد، موجب بروز مشکلاتی در بسته بندی، تخریب ماشین آلات صنعتی و مشکلات نگهداری آن تا رسیدن به دست مصرف کننده می گردد. از سوی دیگر حرارت دادن بیش از حد و بدون پیش-بینی صحیح مقاومت عسل، موجب تخریب مواد مغذی آن می گردد. همچنین به دلیل افزایش فعالیت آب موجود در ترکیب عسل، رشد و فعالیت میکروارگانیسم های آبدوست افزایش پیدا میکند. تخریب ویتامینها نیز یکی دیگر از اثرات حرارت دهی نامطلوب عسل می باشد. تنظیم دو متغیر دما و زمان در فرایند پاستوریزاسیون عسل یکی از مهمترین چالش های تولید و بسته بندی صنعتی این محصول است. شاخص اصلی آستانه ی دما و زمان حرارت دهی عسل، غلظت هیدروکسی متیل فورفورال (hmf) موجود در آن می باشد که به وسیله روشهای استاندارد اندازه گیری شده و مقدار حداکثر مجاز آن40 میلی گرم در هر کیلوگرم عسل می باشد .در تحقیق حاضر اثر دو پارامتر دما و زمان حرارت دهی بر کیفیت نهایی چهار نوع عسل به صورت آزمایشگاهی مورد بررسی قرار گرفت. چندین مدل سینتیکی برای پیش بینی تشکیل hmfدر عسلهای آزمایش شده بررسی شد. همچنین برای هرکدام از عسل های آزمایش شده، یک شبکه عصبی مصنوعی طراحی شد تا بتواند با توجه به زمان و دمای حرارت دهی، مقدار hmfتشکیل شده در عسل را پیش بینی نماید. داده های آزمایشگاهی برای آموزش شبکه طراحی شده مورد استفاده قرار گرفت. تعداد بهینه نورون لایه مخفی و نیز تابع انتقال مناسب برای شبکه طراحی شده، بدست آمد. عملیات حرارتی دما ملایم و htst(دما بالا- زمان کوتاه) بر روی نمونه های عسل انجام شد. نتایج بدست آمده از عملیات حرارتی دما ملایمنشان داد که میزان تجمع hmfدر دماهای مختلف آزمایش تفاوت آشکاری با یکدیگر دارند.با این حال در تمام نمونه های عسل با افزایش دما و زمان عملیات حرارتی میزان تجمع hmfبه بالاتر از حد مجاز خود رسید.در عملیات حرارتیhtstنیز با افزایش دما، غلظت hmfنمونه ها افزایش یافت، اما مقدار hmfدر هیچکدام از نمونه ها از ماکزیمم مقدار مجاز آن (mg/kg40) تجاوز نکرد.نتایج بدست آمده از مدلسازی سینتیکی نشان داد که پیش بینی مدل سینتیکی درجه صفر و درجهاول تطابق خوبی با داده های آزمایشگاهی عسل سبلان و آذربایجاندارد.همچنین تطابق خوب نتایج مدلسازی شبکه عصبی مصنوعی با داده های آزمایشگاهی برای تمام نمونه های بررسی شده نشان داد که شبکه طراحی شده به نحو بسیار مطلوبی آموزش دیده است. شبکه آموزش دیده، به خوبی قادر به پیش بینی خروجی برای داده های جدید می باشد . کلمات کلیدی: عسل، عملیات حرارتی، هیدروکسی متیل فورفورال، مدلسازی سینتیکی، مدل شبکه عصبی مصنوعی